Блог

Я использую TSNE для построения обученной модели word2vec (созданной из gensim).:

 labels = [] tokens = []  for word in model.wv.vocab:  tokens.append(model[word])  labels.append(word)  tsne_model = TSNE(perplexity=40, n_components=2, init='pca', n_iter=2500, random_state=23) new_values = tsne_model.fit_transform(tokens)  x = [] y = [] for value in new_values:  x.append(value[0])  y.append(value[1])   plt.figure(figsize=(50, 50))  for i in range(len(x)):  plt.scatter(x[i],y[i])  plt.annotate(labels[i],  xy=(x[i], y[i]),  xytext=(5, 2),  textcoords='offset points',  ha='right',  va='bottom') plt.show()  

Например, как встроенный метод gensim «most_similar», например.

 w2v_model.wv.most_similar(postive=['word'], topn=20)  

выведу 20 наиболее похожих слов на «слово», я хотел бы отобразить только наиболее похожие слова (n=20) данного слова. Есть какие-нибудь советы о том, как изменить сюжет, чтобы сделать это?